基于对应价格对两组NumPy键值数组对的值求和的最优实现方法

以下方案均基于你给出的前置条件：第二组的所有键都存在于第一组中，第一组键为固定步长0.25的有序升序序列，无需处理额外异常场景。 #

前置示例输入 #

import numpy as np
import pandas as pd

keys1 = np.array([1.0, 1.25, 1.5, 1.75])
vals1 = np.array([1, 1, 1, 1])
keys2 = np.array([1.25, 1.5])
vals2 = np.array([1, 1])

方案1：固定步长场景最优（纯Numpy实现） #

性能最高，无额外遍历开销，直接通过步长计算对应索引：

step = 0.25
# 计算keys2在keys1中的对应索引
idx = ((keys2 - keys1[0]) / step).astype(int)
# 直接叠加对应位置的值
vals1[idx] += vals2

print(tuple(vals1)) # 输出 (1, 2, 2, 1)

方案2：通用有序键场景（纯Numpy实现） #

不依赖固定步长，只要第一组键为升序排列即可使用：

# 查找keys2在keys1中的对应位置
idx = np.searchsorted(keys1, keys2)
vals1[idx] += vals2

print(tuple(vals1)) # 输出 (1, 2, 2, 1)

方案3：Pandas原生实现 #

如果你原本就在用DataFrame处理数据，直接用索引对齐特性，代码最简洁：

s1 = pd.Series(vals1, index=keys1)
s2 = pd.Series(vals2, index=keys2)
# 按索引自动对齐相加，不存在的键填充0
res = tuple(s1.add(s2, fill_value=0).astype(int).tolist())

print(res) # 输出 (1, 2, 2, 1)

内容的提问来源于stack exchange，提问作者Coder1